我們做的「AI 整合」，是把大型語言模型（例如 OpenAI、Google Gemini 的模型）、語音與影像辨識，接進你已經在用的網站、LINE 官方帳號、後台系統與日常流程裡。不是賣一套現成平台叫你自己設定，而是依你的資料和流程客製，上線後也由我們維護。
能做什麼
AI 客服：官網、LINE 官方帳號
依你提供的資料回答顧客常見問題：營業資訊、商品規格、運費與退換貨、預約方式。答不了、或涉及個別訂單與金額的問題，轉給真人並把對話前情整理好。可以設定只用你的資料回答、多語言回覆，也能判讀對話情緒，把不滿的客人優先交給真人。
內部知識助理
讓同事用「問」的方式查公司內部資料：規章、產品說明、作業流程、過去的提案。回答會附上出處，方便核對；哪些人能看到哪些資料，可以依部門或權限分開。
語音應用
語音助手、文字轉語音、用說的操作的介面。適合電話或現場情境、不方便打字的使用者，或想讓服務更有溫度的產品。
文件與資料自動化
把重複的人工整理交給 AI：表單與信件分類、長文件摘要、從文件抽出指定欄位填進系統、整理成報表。做法是先讓 AI 產出、再由人確認，逐步把信得過的步驟自動化。
把 AI 接進既有系統
透過 API 和你的 CRM、電商後台、訂單或會員系統串接，讓 AI 能查到需要的資料、把結果寫回去，而不是另外多一套要人工搬資料的工具。
看得到的例子
- 這個網站右下角的專案規劃助理：我們自己做的 AI 客服。只依官網公開的資訊回答，文字即時串流、可以開語音，不確定的事會請你直接聯絡我們。
- 客戶案例：AI 智能客服系統：替企業客戶打造，全天候自動回覆、支援多種語言、判讀每段對話的情緒（基於保密不公開客戶名稱）。
- 技術範本：AI 語音助手平台：多種語音模型、文字轉語音與即時 AI 對話，可以直接操作。
- 自有產品原型 Nia：用聲音聊天的 AI 陪伴，我們用它探索語音對話與長期記憶。
適合誰
- 每天回覆大量重複問題，客服或業務人力被綁住的公司。
- 下班、假日也有人來問，或客人來自不同語言的店家與品牌。
- 資料散在很多文件與系統裡，同事常常在「找資料、問人」的團隊。
- 有一段固定、重複的文書或整理流程，想先從一個小地方試試 AI 的公司。
比較不適合，或要先換個做法的情況：
- 答案還沒有任何地方寫下來，只存在少數人的經驗裡。這時候第一步是整理資料，AI 可以幫忙整理，但不能憑空生出正確答案。
- 答錯的代價很高（金額、法律責任、專業判斷）。還是可以做，但讓 AI 負責分流、收集資訊與草擬，由真人做最後決定。
- 量很少，一天只有幾則訊息。整理一頁常見問題、設定 LINE 的關鍵字自動回覆，可能就夠了，不一定要做 AI。
怎麼合作
1. 聊需求
先了解你想解決的是哪個問題、現在怎麼做、資料在哪裡。需求還很模糊也沒關係，這一步就是一起把它想清楚。
2. 評估與規劃範圍
判斷這件事適不適合用 AI、要接哪些系統、資料要怎麼整理，並訂出第一階段的範圍：先挑一個最常見、最有把握的情境，而不是一次全部做完。
3. 試做與測試
做出可以實際操作的版本，用一組事先準備好的真實問題測試：哪些答得好、哪些答錯、哪些該轉真人。測到你覺得可以放心交給它，才往下走。
4. 上線
先小範圍開放（例如只在某個時段或某個入口），觀察真實對話，再逐步擴大。
5. 維運與調整
AI 上線後最常見的問題是資料過期：價格改了、活動結束了，AI 還在講舊的。我們會持續看對話紀錄、更新資料與規則，模型或服務供應商有變動時也由我們處理。
怎麼避免 AI 亂回答
- 限定範圍：只依你提供的資料回答，資料裡沒有的就說不知道，並引導到真人或表單。
- 高風險的問題不讓 AI 自己決定：退款、報價、個別訂單這類，交給真人或系統查詢。
- 上線前用真實問題測試，上線後持續看對話紀錄，把答錯的地方修掉。
- 讓使用者知道自己在跟 AI 對話，並隨時能找到真人。
費用由什麼決定
每個專案範圍差很多，所以不在這裡列價格。實際影響費用的主要是這幾件事：
- 範圍：要處理幾種情境、幾個入口（官網、LINE、內部系統）。
- 資料整理的工作量：資料是不是已經整理好、分散在幾個地方、多久更新一次。這部分最常被低估。
- 要串接幾個既有系統，對方有沒有現成的 API。
- 模型的使用量：大型語言模型通常依使用量向模型供應商付費，量越大、用的模型越強，費用越高；規劃時會先估算。
- 是否需要語音、多語言、權限控管等額外功能。
- 上線後的維運與調整頻率。
想更具體了解 AI 客服的導入步驟、要準備的資料與常見的坑，可以看這篇：中小企業導入 AI 客服：流程、要準備什麼、費用怎麼算、常見的坑。
常見問題
- 我們公司沒有工程師，也能導入 AI 嗎？
- 可以。從規劃、開發、串接到上線後的維護都由我們處理。你這邊需要的是熟悉業務的人：提供資料、說明流程、參與測試，告訴我們哪些答案對、哪些不對。
- 要先準備什麼？
- 最有幫助的是：最近一段時間的客服訊息或常被問的問題、已經寫好的說明文件（常見問題、商品或服務說明、規定）、以及你希望 AI 不要碰的事情。沒有整理好也沒關係，盤點資料本來就是第一步。
- 我們的資料會不會被拿去訓練 AI？
- 主要模型供應商的企業 API，條款上預設不拿 API 傳送的資料訓練模型。規劃時我們會說明用哪一家的服務、資料存放在哪裡、保留多久；有特別的資安或法規要求，也會一起納入評估。
- 一定要用 ChatGPT 嗎？
- 不一定。我們會依需求選擇模型，例如 OpenAI 或 Google Gemini 的模型，考量的是回答品質、速度、費用與資料規範；之後要換模型，也不需要整個重做。
- 可以接 LINE 官方帳號嗎？
- 可以。AI 客服可以放在 LINE 官方帳號、官網或兩者都放，共用同一份資料與規則，答不了的同樣轉給真人。
- 多久可以上線？
- 看範圍與資料準備的狀況，所以不先給固定時程。我們通常建議先從一個最常見的情境小範圍上線，確認效果再擴大，比一次做完整套更快看到結果、風險也小。
